ROS2系列教程：Cartographer建图进阶

本文是 ROS2 系列教程的第 22 篇

本文是 ROS2 系列教程的第 22 篇：Cartographer 建图进阶。上一篇用 slam_toolbox 建出了第一张地图，但它的回环能力在长廊、大场地、复杂环境里会吃力——累积误差难以消除，地图容易“飘”。Cartographer 是 Google 开源的 SLAM 库，以子图（submap）+ 回环闭环闻名：先把局部帧拼成子图，再全局优化消除漂移，2D/3D 通吃。本篇讲透 Cartographer 的核心概念、ROS2 接口、2D 建图配置与调试，并给你一套能直接跑的建图 launch。想让你导航小车在大场景里“不迷路”，Cartographer 是关键一环。

一、Cartographer 是什么

1.1 出身与定位

Cartographer 由 Google 在 2016 年开源，最初用于自家仓库机器人和室内地图测绘。它支持：

• 2D 激光 SLAM（最常用）。
• 3D SLAM（多线雷达，支持 cartographer_ros 的 3D 模式）。
• 子图回环：局部建图快、全局一致性高。

在 ROS2 Humble 中安装：

1
sudo apt install ros-humble-cartographer ros-humble-cartographer-ros
2
# 验证
3
ros2 pkg list | grep cartographer

1.2 与 slam_toolbox 的核心差异

一句话：入门用 slam_toolbox，上强度用 Cartographer。本篇把 Cartographer 调通，你的建图工具箱就齐了。

二、核心概念：子图与回环

2.1 子图（Submap）

Cartographer 建图不是一帧一帧拼整个地图，而是：

1. 每收到一帧激光，先跟当前子图匹配，确定位姿。
2. 累积到一定长度（num_range_data 参数控制），把这段局部地图“定稿”成一个子图。
3. 继续开新子图。

子图是 Cartographer 高效的关键：局部匹配快，且定稿的子图成为后续回环的锚点。

2.2 回环闭环（Loop Closure）

• 局部优化：每帧激光与当前子图匹配（快，但会累积漂移）。
• 全局优化：当新子图与老子图有重叠时，检测到回环，把整条轨迹的位姿重优化，漂移被“拉回来”。

这就是 Cartographer 在长廊、绕圈场景里依然精准的原因：它会主动寻找“我去过这里”的证据。

2.3 数据流

1
/scan + /tf(odom→base_link) + /odom(可选)
2
   → 前端（帧→子图匹配，local SLAM）
3
   → 后端（回环检测 + 全局优化，global SLAM）
4
   → /map + map→odom TF

Cartographer 内部分前端（实时建图）与后端（全局优化）两个线程，这就是它配置参数多的原因。

三、ROS2 接口与配置

3.1 启动命令

1
ros2 run cartographer_ros cartographer_node \
2
  --ros-args \
3
  -p use_sim_time:=true \
4
  -p configuration_directory:=$(pwd) \
5
  -p configuration_basename:=cartographer.lua

configuration_directory 与 configuration_basename 指向 Lua 配置文件（Cartographer 用 Lua 而非 YAML 写参数）。

3.2 cartographer.lua 核心配置（2D 激光）

1
-- cartographer.lua
2
include "map_builder.lua"
3
include "trajectory_builder.lua"
4

5
options = {
6
  map_builder = MAP_BUILDER,
7
  trajectory_builder = TRAJECTORY_BUILDER,
8
  map_frame = "map",
9
  tracking_frame = "base_link",        -- 机器人本体坐标系
10
  published_frame = "odom",            -- 里程计坐标系
11
  odom_frame = "odom",
12
  provide_odom_frame = true,
13
  publish_frame_projected_to_2d = false,
14
  use_odometry = true,                 -- 使用 /odom
15
  use_nav_sat = false,
16
  use_landmarks = false,
17
  num_laser_scans = 1,                 -- 1 个 2D 激光
18
  num_multi_echo_laser_scans = 0,
19
  num_subdivisions_per_laser_scan = 1,
20
  num_point_clouds = 0,
21
  lookup_transform_timeout_sec = 0.2,
22
  submap_publish_period_sec = 0.3,
23
  pose_publish_period_sec = 5e-3,
24
  trajectory_builder_2d = TRAJECTORY_BUILDER_2D,
25
}
26

27
MAP_BUILDER.use_trajectory_builder_2d = true
28

29
-- 2D 轨迹构建器参数
30
TRAJECTORY_BUILDER_2D.min_range = 0.1
31
TRAJECTORY_BUILDER_2D.max_range = 10.0
32
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 5.0
33
TRAJECTORY_BUILDER_2D.use_imu_data = false      -- 纯 2D 激光可不依赖 IMU
34
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
35
TRAJECTORY_BUILDER_2D.motion_filter.max_distance_meters = 0.2
36
TRAJECTORY_BUILDER_2D.motion_filter.max_angle_radians = 0.1
37

38
-- 子图参数
39
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 90
40
TRAJECTORY_BUILDER_2D.submaps.grid_options_2d.resolution = 0.05
41
TRAJECTORY_BUILDER_2D.submaps.range_data_inserter.probability_grid_range_data_inserter.hit_probability = 0.55
42
TRAJECTORY_BUILDER_2D.submaps.range_data_inserter.probability_grid_range_data_inserter.miss_probability = 0.49
43

44
-- 前端扫描匹配
45
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 1.0
46
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 1.0
47

48
-- 回环参数
49
POSE_GRAPH.optimize_every_n_nodes = 90
50
POSE_GRAPH.constraint_builder.min_score = 0.55
51
POSE_GRAPH.constraint_builder.global_localization_min_score = 0.6
52
POSE_GRAPH.global_constraint_search_after_n_seconds = 30.0

3.3 关键参数速查

调参口诀：地图模糊 → 调大 max_range 或降速；回环不闭合 → 调低 min_score 或调大 global_constraint_search_after_n_seconds；卡顿 → 调大 motion_filter 阈值减少处理帧数。

四、建图 launch（可直接复用）

4.1 cartographer.lua + launch

把上面的 lua 保存到 config/cartographer.lua，配套 launch：

1
from launch import LaunchDescription
2
from launch_ros.actions import Node
3
import os
4
from ament_index_python.packages import get_package_share_directory
5

6
def generate_launch_description():
7
    pkg_bringup = get_package_share_directory('my_robot_bringup')
8
    config_dir = os.path.join(pkg_bringup, 'config')
9

10
    cartographer_node = Node(
11
        package='cartographer_ros',
12
        executable='cartographer_node',
13
        name='cartographer_node',
14
        output='screen',
15
        parameters=[{'use_sim_time': True}],
16
        arguments=[
17
            '-configuration_directory', config_dir,
18
            '-configuration_basename', 'cartographer.lua'])
19

20
    occupancy_grid = Node(
21
        package='cartographer_ros',
22
        executable='cartographer_occupancy_grid_node',
23
        name='cartographer_occupancy_grid_node',
24
        output='screen',
25
        parameters=[{'use_sim_time': True, 'resolution': 0.05}])
26

27
    rviz = Node(
28
        package='rviz2',
29
        executable='rviz2',
30
        arguments=['-d', os.path.join(pkg_bringup, 'config', 'slam.rviz')],
31
        output='screen')
32

33
    return LaunchDescription([cartographer_node, occupancy_grid, rviz])

注意：Cartographer 不像 slam_toolbox 那样直接发布 /map，而是由独立的 cartographer_occupancy_grid_node 把内部子图转成 /map 话题。

4.2 完整运行流程

1
# 终端 1：仿真小车（复用第 20 篇）
2
ros2 launch my_robot_bringup gazebo.launch.py
3

4
# 终端 2：Cartographer 建图
5
ros2 launch my_robot_bringup cartographer_mapping.launch.py
6

7
# 终端 3：遥控
8
ros2 run teleop_twist_keyboard teleop_twist_keyboard

4.3 建图技巧（针对 Cartographer）

1. 起步原地转一圈：让前端建立初始子图，之后匹配更稳。
2. 匀速慢行（0.2-0.3 m/s）：激光帧重叠充分。
3. 主动回环：地图走到一半，原路返回起点区域——Cartographer 检测到回环后全局优化，地图会“啪”地收紧。
4. 观察子图边界：RViz 里 Submaps 显示每个子图，定稿的子图不再变化。

五、保存与加载地图

5.1 保存（与 slam_toolbox 相同）

1
ros2 run nav2_map_server map_saver_cli -f ~/maps/carto_map

5.2 质量对比观察

把 slam_toolbox 与 Cartographer 各建一张同样场地的地图：

• 绕两圈后：slam_toolbox 地图墙角可能有轻微重影；Cartographer 通常更“干净”。
• 长廊场景差异最明显：Cartographer 全局优化会把长走廊拉直。

不必神化 Cartographer：小车室内小场景两者差距不大；选型看场地大小和精度需求。

六、常见问题与排障

6.1 调试命令

1
# 看 Cartographer 是否在发布 TF
2
ros2 run tf2_ros tf2_echo map base_link
3

4
# 看子图话题（RViz Submaps 需要）
5
ros2 topic list | grep submap
6
# /submap_list、/tracked_pose、/scan_matched_points2 等

七、小结与下一篇预告

本篇核心：

1. Cartographer 定位：Google 开源，子图+回环全局优化，2D/3D 通吃，大场景首选。
2. 子图机制：局部帧→子图→定稿，num_range_data=90 控制子图大小。
3. 前后端分离：前端实时建图、后端回环优化，optimize_every_n_nodes=90 控制优化频率。
4. Lua 配置：参数用 lua 写，map_frame/tracking_frame/published_frame 三坐标系要对齐。
5. 建图流程：原地转圈初始化→慢速移动→主动回环→occupancy_grid 转 /map→保存。
6. 选型：小场景 slam_toolbox 够用，大/复杂场景上 Cartographer。

下一篇进入 AMCL 定位与地图（第 23 篇）：地图建好了，机器人重启后怎么“知道自己在哪”？AMCL（自适应蒙特卡洛定位）用粒子滤波在地图里估计位姿，把 SLAM 建好的地图变成可复用的“定位导航底图”。从此机器人拿到地图就能自我定位，Nav2 导航正式进入倒计时。地图在手，定位无忧。